查看“︁子式和余子式”︁的源代码

{{NoteTA
|G1 = Math
}}
{{About|线性代数中的概念|图论中的子式|图子式}}
{{线性代数}}
在[[线性代数]]中，一个矩阵'''A'''的'''子式'''是指将'''A'''的某些行与列的交点组成的[[方块矩阵|方阵]]的[[行列式]]；而'''A'''的'''余子式'''（又称'''余因式'''或'''余因子展开式'''，{{lang-en|minor}}）是指将'''A'''的某些行与列去掉之后所余下的方阵的行列式，其相应的方阵有时被称为'''余子阵'''。

将方阵'''A'''的一行与一列去掉之后所得到的余子式可用来获得相应的'''代数余子式'''（{{lang-en|cofactor}}），后者在可以通过降低多阶矩阵的阶数来简化矩阵计算，并能和[[转置矩阵]]的概念一并用于[[逆矩阵]]计算。

不过应当注意的是，余子式和代数余子式两个概念的区别。在数值上，二者的区别在于，余子式只计算去掉某行某列之后剩余行列式的值，而代数余子式则需要考虑去掉的这一个元素对最后值正负所产生的影响。

==定义==
设'''A'''为一个 ''m''×''n'' 的矩阵，''k''为一个介于1和''m''之间的整数，并且''k''≤''n''。'''A'''的一个''k''阶'''子式'''是在'''A'''中选取''k''行''k''列之后所产生的''k''<sup>2</sup>个交点组成的方块矩阵的行列式。

'''A'''的一个''k''阶'''余子式'''是'''A'''去掉了''k''行与''k''列之后得到的(''m''-''k'')×(''n''-''k'')矩阵的行列式。

由于一共有<math>{m \choose k}</math>种方法来选择该保留的行，有<math>{n \choose k}</math>种方法来选择该保留的列，因此'''A'''的''k''阶余子式一共有<math>{m \choose k} \cdot {n \choose k}</math>个。

如果''m''=''n''，那么'''A'''关于一个''k''阶子式的余子式，是'''A'''去掉了这个''k''阶子式所在的行与列之后得到的(''n''-''k'')×(''n''-''k'')矩阵的行列式，简称为'''A'''的''k''阶余子式<ref>{{cite book
|authors=Burnside, William Snow & Panton, Arthur William
|year=1886
|title=Theory of Equations: with an Introduction to the Theory of Binary Algebraic Form
|url=https://books.google.com/books?id=BhgPAAAAIAAJ&pg=PA239&lpg=PA239&dq=first+minor+determinant&source=web&ots=BqWTlFMGIB&sig=aeCdnU1sARW9tshE_zhirJZ5dRU&hl=en
|archive-url=https://web.archive.org/web/20190502204855/http://books.google.com/books?id=BhgPAAAAIAAJ&pg=PA239&lpg=PA239&dq=first+minor+determinant&source=web&ots=BqWTlFMGIB&sig=aeCdnU1sARW9tshE_zhirJZ5dRU&hl=en
|archive-date=2019-05-02
|access-date=2022-03-23
|url-status=live
}}</ref>。

''n''×''n''的方块矩阵'''A'''关于第''i''行第''j''列的余子式'''M'''<sub>''ij''</sub>是指'''A'''中去掉第''i''行第''j''列后得到的''n''−1阶子矩阵的行列式。有时可以简称为'''A'''的（''i''，''j''）余子式。

== 代数余子式和伴随矩阵==

一个矩阵'''A'''的(''i'', ''j'')'''代数余子式'''：'''C'''<sub>''ij''</sub> 是指'''A'''的(''i'', ''j'')余子式'''M'''<sub>''ij''</sub>与(−1)<sup>''i'' + ''j''</sup>的乘积： 
:'''C'''<sub>''ij''</sub> = (−1)<sup>''i'' + ''j''</sup> ''M''<sub>''ij''</sub>

'''A'''的[[余子矩阵|余因子矩阵]]是指将'''A'''的(''i'', ''j'')'''代数余子式'''摆在第''i''行第''j''列所得到的矩阵，记为'''C'''。

'''C'''的[[转置矩阵]]称为'''A'''的[[伴随矩阵]]，伴随矩阵类似于[[逆矩阵]]，并且当'''A'''可逆时可以用来计算它的逆矩阵。

==例子==
对矩阵
:<math>\begin{bmatrix}
\,\,\,1 & 4 & 7 \\
\,\,\,3 & 0 & 5 \\
-1 & 9 & \!11 \\
\end{bmatrix}</math>

要计算代数余子式'''C'''<sub>23</sub>。首先计算余子式'''M'''<sub>23</sub>，也就是原矩阵去掉第2行和第3列后的子矩阵的行列式：
:<math> \begin{vmatrix}
\,\,1 & 4 & \Box\, \\
\,\Box & \Box & \Box\, \\
-1 & 9 & \Box\, \\
\end{vmatrix}</math>，即 <math>\begin{vmatrix}
\,\,\,1 & 4\, \\
-1 & 9\, \\
\end{vmatrix} = 9-(-4) = 13</math> 

因此，'''C'''<sub>23</sub>等于(-1)<sup>2+3</sup> '''M'''<sub>23</sub> <math> = -13</math>

==应用==

余子式和代数余子式最常在[[拉普拉斯展开]]中出现，用于将矩阵的行列式展成若干个小一阶的行列式之和。 

给定一个''m''×''n''的实系数矩阵，设它的[[矩阵的秩|秩]]为''r''那么至少存在一个''r''阶的非零子式，同时所有大于''r''阶的 子式必然都是0。

设'''A'''是一个''m''×''n''的矩阵，''I''是[[集合 (数学)|集合]]{1,...,''m''}的一个''k''元[[子集]]，''J''是[[集合 (数学)|集合]]{1,...,''n''}的一个''k''元[[子集]]，那么['''A''']<sub>''I'',''J''</sub>表示'''A'''的''k''阶子式。其中抽取的''k''行的行标是''I''中所有元素，''k''列的列标是''J''中所有元素。

* 如果''I''=''J''，那么称['''A''']<sub>''I'',''J''</sub>是'''A'''的'''主子式'''。 
* 如果''I''=''J''={1,...,''k''}（所取的是左起前''k''列和上起前''k''行），那么相应的主子式被称为'''顺序主子式'''。一个''n''×''n''的方块矩阵有''n''个顺序主子式。
* 对于[[埃尔米特矩阵]]，顺序主子式的符号被用来判定矩阵的[[正定矩阵|正定性]]。

常见的[[矩阵乘法]]和[[柯西-比内公式]]都是以下计算子式乘积公式的特例： 
设'''A'''是一个''m''×''n''矩阵，'''B'''是一个''n''×''p''矩阵，''I''是[[集合 (数学)|集合]]{1,...,''m''}的一个''k''元[[子集]]，''J''是[[集合 (数学)|集合]]{1,...,''p''}的一个''k''元[[子集]]，那么
:<math>[\mathbf{AB}]_{I,J} = \sum_{K} [\mathbf{A}]_{I,K} [\mathbf{B}]_{K,J}\,</math>
其中子集''K'' 取遍{1,...,''n''} 的所有''k''元[[子集]]。这个公式是柯西-比内公式的推论。

==多线性代数==
子式的一个更为对称和代数化的定义可以通过[[多线性代数]]中的[[外积]]给出：''k''阶子式是''k''阶[[外幂]]的系数。

如果将矩阵的''k''列看做''k''个[[向量]]并在一起，那么它的''k''阶子式就是''k''阶[[外幂]]映射到的''k''-向量中的系数。比如说，以下矩阵：
:<math>\begin{bmatrix}
1 & 4 \\
3 & \!\!-1 \\
2 & 1 \\
\end{bmatrix}</math>
的2阶子式是&minus;13、&minus;7和5。现在考虑外积
:<math>(\mathbf{e}_1 + 3\mathbf{e}_2 +2\mathbf{e}_3)\wedge(4\mathbf{e}_1-\mathbf{e}_2+\mathbf{e}_3)</math>
其中的两个向量对应着矩阵的2个列。注意外积的性质： 
:<math>\mathbf{e}_i\wedge \mathbf{e}_i = 0</math>
以及
:<math>\mathbf{e}_i\wedge \mathbf{e}_j = - \mathbf{e}_j\wedge \mathbf{e}_i,</math>
我们得到其外积为：
:<math> -13 \mathbf{e}_1\wedge \mathbf{e}_2 -7 \mathbf{e}_1\wedge \mathbf{e}_3 +5 \mathbf{e}_2\wedge \mathbf{e}_3</math>
其中的系数正好是三个2阶子式的值。

==参见==
*[[行列式]]
*[[餘因子矩陣]]
*[[拉普拉斯展开]]

== 参考来源 ==
===引用===
{{reflist}}

===来源===
*[http://www2.cxtc.edu.cn/department/maths/gdds/ma/gdja/2.8.pdf 拉普拉斯定理]{{dead link|date=2017年12月 |bot=InternetArchiveBot |fix-attempted=yes }}
*[https://web.archive.org/web/20080921043933/http://www.tyut.edu.cn/kecheng/xianxds/TeachMat/1-4.htm 行列式]
* 蓝以中，高等代数简明教程（下册），北京大学出版社

{{线性代数的相关概念}}

[[Category:矩阵论]]
[[Category:行列式]]